谷氨酸发酵过程的软测量建模研究.pdfVIP

摘 要 摘 要 生物产业 （含发酵食品、发酵化学品、发酵医药品、发酵能源等）是国民经济的支 柱产业，广泛应用于食品、饲料、医药和化工等领域。谷氨酸是世界上产量最大的氨基 ( 酸，主要通过发酵生产。在发酵过程中，重要生化参数 如菌体浓度、基质浓度、产物 浓度等) 的实时获取，对于过程的控制与优化具有十分重要的意义。然而发酵过程具有 强烈非线性、时变性、强耦合等特征，关键生化参数无法在线检测，目前生产中大都采 用实验室取样分析方法来得到。为此，软测量技术通过建立过程在线易测辅助变量与难 测主导变量 （重要生化参数）之间的数学模型，来实现对发酵过程重要生化参数的预测 估计，是解决上述问题的有效途径。在过去几十年里，软测量技术已经成为过程控制领 域的研究热点，并在工业过程中得到广泛应用。 本课题来源于国家自然科学基金面上项 目 （项 目编号“生物反应过程的 在线支持向量机建模与优化”，以典型生化过程——谷氨酸发酵过程为研究背景，结合 谷氨酸发酵过程的实际生产操作机理，对谷氨酸发酵过程中难于在线测量的关键生化参 数的软测量建模及相关问题进行了深入研究，取得的研究成果如下： (1) 针对谷氨酸发酵过程关键生化参数无法在线检测给发酵优化控制带来困难问 题，建立了改进遗传算法对模型参数进行辨识的谷氨酸分批流加非结构动力学模型。在 发酵过程常用的Logistic 模型、Luedeking-Piret 等方程基础上建立了谷氨酸分批流加非 结构动力学模型，分别采用非线性规划、基本遗传算法、改进遗传算法对模型参数进行 辨识，并对不能在线测量的重要生化参数如菌体浓度、基质浓度和产物谷氨酸浓度进行 拟合和估计预测，谷氨酸发酵实验和仿真结果验证了所建动力学模型的有效性。 (2) 针对高度非线性、时变性的谷氨酸发酵过程动力学模型存在批次性、预测精度 差、机理建模困难问题，基于生化过程多阶段特性，提出多阶段支持向量机回归的数据 驱动软测量模型、并应用于谷氨酸发酵过程产物浓度的预测。为此，首先建立了基于移 动窗的皮尔逊相关系数结合线性回归的发酵过程阶段分割方法，分割结果与常规离线化 验分析结果基本一致；其次，基于阶段划分的基础上建立多阶段支持向量机回归的产物 谷氨酸浓度预测软测量模型。实验和仿真结果表明，多阶段模型相比全局单模型具有更 高的预测能力。 (3) 针对支持向量机回归模型运算时间过长、谷氨酸发酵过程影响因素存在耦合等 问题，在分析最小二乘支持向量机理论基础上，建立了偏最小二乘和最小二乘支持向量 机相结合的谷氨酸发酵过程软测量模型。首先通过相关系数矩阵对输入变量进行相关性 分析，表明变量间存在较强相关性；进一步采用方差膨胀因子对变量的多重共线性进行 诊断，结果表明变量间存在中等程度共线性，需要对输入相关变量进行筛选。为此，利 用偏最小二乘找出对预测模型输出变量重要的输入变量，降低预测模型输入变量维数、 消除相关性、简化模型，以提高预测模型的精度。进一步，运用耦合模拟退火算法对最 小二乘支持向量机的参数进行优化，谷氨酸发酵实验仿真结果表明，所建模型预测精度 高，可为谷氨酸发酵过程操作及时调整及优化控制提供有效指导。 I 摘 要 (4) 针对支持向量机回归和最小二乘支持向量机等参数化回归软测量建模存在过拟 合、参数设置困难、不能刻画预测结果不确定问题，设计了一种基于特征关联性的输入 变量选择、超参数自适应获取、输出具有概率特性的自相关决定高斯过程软测量模型， 并应用于谷氨酸发酵过程。首先应用高斯过程回归模型进行训练，同时在贝叶斯框架下， 确定协方差函数中的超参数，利用训练好的高斯过程回归模型进行预测。其次，分析了 谷氨酸浓度对发酵参数的感度发现，发酵时间、CO 释放速率 CER 、O 消耗速率 OUR 2 2 对谷氨酸浓度影响最大。进一步，分析了预测值的不确定性即方差和模型输入在线变量 之间变化关系，当发酵罐温度 T、CO